Projeto Final TI: Ocorrências Aeronáuticas no Brasil

Readme

A base de dados de ocorrências aeronáuticas está disponibilizada no Portal Brasileiro de Dados Abertos e contém informações sobre as Ocorrências Aeronáuticas da Aviação Civil Brasileira nos últimos 10 anos.

Autores: Breno Cabral e Pedro Reis

Os dados estão distribuídos em 4 (quatro) tabelas diferentes, que estão vinculadas por um mesmo código de ocorrência presente na primeira coluna. Os principais conteúdos disponíveis em cada uma delas está representado abaixo:

• Tabela de ocorrências: Classificação, tipo de ocorrência, latitude, longitude, cidade, UF, dia, horário, número de aeronaves envolvidas.

• Tabela de fatores contribuintes: nome, aspecto, condicionante, area, detalhe do fator contribuinte.

• Tabela de aeronaves: Categoria do operador, tipo de aeronave, modelo, tipo do motor, quantidade de motores, fabricante, país fabricante, ano de fabricação, nível de dano e número de fatalidades.

• Tabela de recomendações de segurança: Número de recomendação, datas, status da recomendação e destinatário.

A partir dos dados presentes nas tabelas é possível realizar algumas análises como:

• Os 5 Fabricantes responsáveis por aeronaves com maior número de acidentes;
• Relação entre as ocorrências (acidente, incidente e incidente grave) com o ano da ocorrência;
• Estado com maior número de ocorrências, quais operações estavam ocorrendo nos acidentes e comparar o número de acidentes de avião e helicóptero por ano;
• Identificar os principais fatores que contribuíram para as ocorrências com fatalidade.

Fonte dos dados: http://dados.gov.br/dataset/ocorrencias-aeronauticas-da-aviacao-civil-brasileira

Data da consulta: 30/01/2019

Projeto

1. Coleta e preparação dos dados

Primeiramente, serão instalados e expostos todos os pacotes utilizados no desenvolvimento do projeto.

# Instalando pacotes necessários
if(!require(prettydoc)){
    install.packages("prettydoc", dep = TRUE)
    library(prettydoc)
}
if(!require(tidyverse)){
  install.packages("tidyverse", dep = TRUE)
  library(tidyverse)
}
if(!require(stringr)){
  install.packages("stringr", dep = TRUE)
  library(stringr)
}
if(!require(magrittr)){
  install.packages("magrittr", dep = TRUE)
  library(magrittr)
}
if(!require(rvest)){
  install.packages("rvest", dep = TRUE)
  library(rvest)
}
if(!require(mlbench)){
    install.packages("mlbench", dep = TRUE)
    library(mlbench)
}
if(!require(ggplot2)){
    install.packages("ggplot2", dep = TRUE)
    library(ggplot2)
}

# Pacotes envolvendo o desenvolvimento do mapa interativo

if(!require(rgdal)){
    install.packages("rgdal", dep = TRUE)
    library(rgdal)
}
if(!require(RColorBrewer)){
    install.packages("RColorBrewer", dep = TRUE)
    library(RColorBrewer)
}
if(!require(leaflet)){
    install.packages("leaflet", dep = TRUE)
    library(leaflet)
}
if(!require(leaflet)){
    install.packages("leaflet", dep = TRUE)
    library(leaflet)
}

# Pacotes para o modelo de regressão

if(!require(corrgram)){
  install.packages("corrgram", dep = TRUE)
  library(corrgram)
}
if(!require(broom)){
  install.packages("broom", dep = TRUE)
  library(broom)
}
if(!require(plotly)){
  install.packages("plotly", dep = TRUE)
  library(plotly)
}
if(!require(skimr)){
  install.packages("skimr", dep = TRUE)
  library(skimr)
}
if(!require(caTools)){
  install.packages("caTools", dep = TRUE)
  library(caTools)
}

Nesta etapa, cada url está nomeado com o nome da tabela correspondente a ele, conforme nomenclatura na descrição do projeto. Com excessão de “fatores contribuintes” que virou “contribuintes” e “recomendações de segurança” que virou “recomendacoes”.

# Criando variaveis com as fontes dos dados de cada tabela
url_ocorrencias <- "https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/oco.csv"
url_aeronaves <- "https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/anv.csv"
url_contribuintes <- "https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/ftc.csv"
url_recomendacoes <- "https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/rec.csv"

Nesta etapa, os dataframes foram criados e os campos sem valores, que estavam representados por diversos símbolos, foram identificados para serem substituídos por “NA”.

# Criando dataframes
df_ocorrencias <- read_delim(url_ocorrencias, delim = "~", col_names = TRUE, na = c("","NULL","***","****","*****","###!","####"))

## Parsed with column specification:
## cols(
##   .default = col_character(),
##   codigo_ocorrencia = col_double(),
##   ocorrencia_latitude = col_double(),
##   ocorrencia_longitude = col_double(),
##   ocorrencia_dia = col_date(format = ""),
##   ocorrencia_horario = col_time(format = ""),
##   divulgacao_dia_publicacao = col_date(format = ""),
##   total_recomendacoes = col_double(),
##   total_aeronaves_envolvidas = col_double(),
##   ocorrencia_dia_extracao = col_date(format = "")
## )

## See spec(...) for full column specifications.

df_aeronaves <- read_delim(url_aeronaves, delim = "~", col_names = TRUE, na = c("","NULL","***","****","*****","###!","####"))

## Parsed with column specification:
## cols(
##   .default = col_character(),
##   codigo_ocorrencia = col_double(),
##   aeronave_pmd = col_double(),
##   aeronave_assentos = col_double(),
##   aeronave_ano_fabricacao = col_double(),
##   total_fatalidades = col_double(),
##   aeronave_dia_extracao = col_date(format = "")
## )
## See spec(...) for full column specifications.

df_contribuintes <- read_delim(url_contribuintes, delim = "~", col_names = TRUE, na = c("","NULL","***","****","*****","###!","####"))

## Parsed with column specification:
## cols(
##   codigo_ocorrencia = col_double(),
##   fator_nome = col_character(),
##   fator_aspecto = col_character(),
##   fator_condicionante = col_character(),
##   fator_area = col_character(),
##   fator_detalhe_fator = col_character(),
##   fator_dia_extracao = col_date(format = "")
## )

## Warning: 2 parsing failures.
##  row                 col           expected actual                                                                                  file
## 3362 fator_detalhe_fator delimiter or quote      G 'https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/ftc.csv'
## 3362 fator_detalhe_fator delimiter or quote      ) 'https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/ftc.csv'

df_recomendacoes <- read_delim(url_recomendacoes, delim = "~", col_names = TRUE, na = c("","NULL","***","****","*****","###!","####"))

## Parsed with column specification:
## cols(
##   codigo_ocorrencia = col_double(),
##   recomendacao_numero = col_character(),
##   recomendacao_dia_assinatura = col_date(format = ""),
##   recomendacao_dia_encaminhamento = col_date(format = ""),
##   recomendacao_feedback = col_date(format = ""),
##   recomendacao_conteudo = col_character(),
##   recomendacao_status = col_character(),
##   recomendacao_destinatario_sigla = col_character(),
##   recomendacao_destinatario_nome = col_character(),
##   dia_extracao_recomendacao = col_date(format = "")
## )

## Warning: 93 parsing failures.
## row                   col           expected    actual                                                                                  file
## 224 recomendacao_conteudo delimiter or quote C         'https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/rec.csv'
## 224 recomendacao_conteudo delimiter or quote *         'https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/rec.csv'
## 224 NA                    10 columns         9 columns 'https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/rec.csv'
## 592 recomendacao_conteudo delimiter or quote D         'https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/rec.csv'
## 592 recomendacao_conteudo delimiter or quote *         'https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/rec.csv'
## ... ..................... .................. ......... .....................................................................................
## See problems(...) for more details.

2. Tratamento dos data frames

Modificações nos data frames df_ocorrencias, df_aeronaves e df_contribuintes - Colunas que apresentam categorias e são passíveis de futuras análises foram transformadas em fatores; - A coluna “codigo_ocorrencia” foi modificada para character pois ela é a coluna comum entre as tabelas e será utilizada para juntá-las mais a frente; - Colunas que não foram identificadas como úteis para as análises futuras foram removidas; - Os 3 dataframes serão utilizados no projeto.

Modificações no data frame df_recomendacoes - Foi concluído que não será necessário a utilização do dataframe de recomendações para as análises que serão desenvolvidas no projeto.

str(df_ocorrencias)

## Classes 'spec_tbl_df', 'tbl_df', 'tbl' and 'data.frame': 5396 obs. of  22 variables:
##  $ codigo_ocorrencia             : num  2.01e+14 2.02e+14 2.02e+14 2.01e+14 2.01e+14 ...
##  $ ocorrencia_classificacao      : chr  "ACIDENTE" "INCIDENTE" "INCIDENTE GRAVE" "INCIDENTE GRAVE" ...
##  $ ocorrencia_tipo               : chr  "FALHA DO MOTOR EM VOO" "AERÓDROMO" "COLISÃO COM OBSTÁCULO DURANTE A DECOLAGEM E POUSO" "POUSO SEM TREM" ...
##  $ ocorrencia_tipo_categoria     : chr  "FALHA OU MAU FUNCIONAMENTO DO MOTOR" "AERÓDROMO" "COLISÃO COM OBSTÁCULO DURANTE A DECOLAGEM E POUSO" "CONTATO ANORMAL COM A PISTA" ...
##  $ ocorrencia_tipo_icao          : chr  "SCF-PP" "ADRM" "CTOL" "ARC" ...
##  $ ocorrencia_latitude           : num  -9.91 -11.5 -11.26 -11.5 -13.2 ...
##  $ ocorrencia_longitude          : num  -63 -61.5 -61.3 -61.5 -60.8 ...
##  $ ocorrencia_cidade             : chr  "ARIQUEMES" "CACOAL" "CACOAL" "CACOAL" ...
##  $ ocorrencia_uf                 : chr  "RO" "RO" "RO" "RO" ...
##  $ ocorrencia_pais               : chr  "BRASIL" "BRASIL" "BRASIL" "BRASIL" ...
##  $ ocorrencia_aerodromo          : chr  "SJOG" "SSKW" "SSKW" "SSKW" ...
##  $ ocorrencia_dia                : Date, format: "2013-05-05" "2018-03-09" ...
##  $ ocorrencia_horario            : 'hms' num  11:00:00 22:40:00 19:19:00 12:32:00 ...
##   ..- attr(*, "units")= chr "secs"
##  $ investigacao_aeronave_liberada: chr  NA "SIM" "SIM" NA ...
##  $ investigacao_status           : chr  "FINALIZADA" "FINALIZADA" "FINALIZADA" "FINALIZADA" ...
##  $ divulgacao_relatorio_numero   : chr  NA NA "IG-084/CENIPA/2016" "IG-209/CENIPA/2013" ...
##  $ divulgacao_relatorio_publicado: chr  "NÃO" "NÃO" "SIM" "SIM" ...
##  $ divulgacao_dia_publicacao     : Date, format: NA NA ...
##  $ total_recomendacoes           : num  0 0 7 0 0 0 0 2 4 0 ...
##  $ total_aeronaves_envolvidas    : num  1 1 1 1 1 1 2 1 1 1 ...
##  $ ocorrencia_saida_pista        : chr  "NÃO" "NÃO" "NÃO" "NÃO" ...
##  $ ocorrencia_dia_extracao       : Date, format: "2019-04-22" "2019-04-22" ...
##  - attr(*, "spec")=
##   .. cols(
##   ..   codigo_ocorrencia = col_double(),
##   ..   ocorrencia_classificacao = col_character(),
##   ..   ocorrencia_tipo = col_character(),
##   ..   ocorrencia_tipo_categoria = col_character(),
##   ..   ocorrencia_tipo_icao = col_character(),
##   ..   ocorrencia_latitude = col_double(),
##   ..   ocorrencia_longitude = col_double(),
##   ..   ocorrencia_cidade = col_character(),
##   ..   ocorrencia_uf = col_character(),
##   ..   ocorrencia_pais = col_character(),
##   ..   ocorrencia_aerodromo = col_character(),
##   ..   ocorrencia_dia = col_date(format = ""),
##   ..   ocorrencia_horario = col_time(format = ""),
##   ..   investigacao_aeronave_liberada = col_character(),
##   ..   investigacao_status = col_character(),
##   ..   divulgacao_relatorio_numero = col_character(),
##   ..   divulgacao_relatorio_publicado = col_character(),
##   ..   divulgacao_dia_publicacao = col_date(format = ""),
##   ..   total_recomendacoes = col_double(),
##   ..   total_aeronaves_envolvidas = col_double(),
##   ..   ocorrencia_saida_pista = col_character(),
##   ..   ocorrencia_dia_extracao = col_date(format = "")
##   .. )

tbl_df(df_ocorrencias)

#Transformando algumas colunas para fatores
df_ocorrencias$codigo_ocorrencia %<>% as.character()
df_ocorrencias$ocorrencia_classificacao %<>%  as.factor()
df_ocorrencias$ocorrencia_tipo %<>%  as.factor() 
df_ocorrencias$ocorrencia_tipo_categoria %<>%  as.factor() 
df_ocorrencias$ocorrencia_saida_pista %<>% as.factor()
df_ocorrencias$ocorrencia_tipo_icao %<>% as.factor()
df_ocorrencias$ocorrencia_cidade %<>% as.factor()
df_ocorrencias$ocorrencia_uf %<>% as.factor()
df_ocorrencias$ocorrencia_aerodromo %<>% as.factor()

#Retirando colunas que a princípio não serão utilizadas
df_ocorrencias$ocorrencia_dia_extracao <- NULL
df_ocorrencias$ocorrencia_pais <- NULL #todas ocorrências são no Brasil
df_ocorrencias$investigacao_aeronave_liberada <- NULL
df_ocorrencias$investigacao_status <- NULL
df_ocorrencias$divulgacao_relatorio_publicado <- NULL
df_ocorrencias$divulgacao_dia_publicacao <- NULL
df_ocorrencias$divulgacao_relatorio_numero <- NULL

#Adicionar coluna ocorrencia_ano e transformar para fator

df_ocorrencias %<>% tidyr::extract(ocorrencia_dia, into = "ocorrencia_ano", regex = "([0-9]{4})", remove = FALSE)

str(df_aeronaves)

## Classes 'spec_tbl_df', 'tbl_df', 'tbl' and 'data.frame': 5457 obs. of  25 variables:
##  $ codigo_ocorrencia          : num  2.01e+14 2.01e+14 2.01e+14 2.02e+14 2.02e+14 ...
##  $ aeronave_matricula         : chr  "PPGXE" "PTRBN" "PTKUK" "PTKUK" ...
##  $ aeronave_operador_categoria: chr  "AEROCLUBE" "OPERADOR DE AERONAVE" "OPERADOR DE AERONAVE" "OPERADOR PARTICULAR" ...
##  $ aeronave_tipo_veiculo      : chr  "AVIÃO" "AVIÃO" "AVIÃO" "AVIÃO" ...
##  $ aeronave_fabricante        : chr  "NEIVA INDUSTRIA AERONAUTICA" "EMBRAER" "TWIN COMMANDER" "TWIN COMMANDER" ...
##  $ aeronave_modelo            : chr  "56-C" "EMB-810C" "500-B" "500-B" ...
##  $ aeronave_tipo_icao         : chr  "PAUL" "PA34" "AC50" "AC50" ...
##  $ aeronave_motor_tipo        : chr  "PISTÃO" "PISTÃO" "PISTÃO" "PISTÃO" ...
##  $ aeronave_motor_quantidade  : chr  "MONOMOTOR" "BIMOTOR" "BIMOTOR" "BIMOTOR" ...
##  $ aeronave_pmd               : num  660 2073 3062 3062 660 ...
##  $ aeronave_pmd_categoria     : chr  "ATÉ 2250 KG" "ATÉ 2250 KG" "ENTRE 2250 E 5700 KG" "ENTRE 2250 E 5700 KG" ...
##  $ aeronave_assentos          : num  2 6 7 7 2 2 2 2 6 6 ...
##  $ aeronave_ano_fabricacao    : num  1962 1980 1961 1961 1960 ...
##  $ aeronave_pais_fabricante   : chr  "BRASIL" "BRASIL" "ESTADOS UNIDOS" "ESTADOS UNIDOS" ...
##  $ aeronave_pais_registro     : chr  "BRASIL" "BRASIL" "BRASIL" "BRASIL" ...
##  $ aeronave_registro_categoria: chr  "PRI" "TPX" "TPX" "SAE" ...
##  $ aeronave_registro_segmento : chr  "INSTRUÇÃO" "TÁXI AÉREO" "TÁXI AÉREO" "ESPECIALIZADA" ...
##  $ aeronave_voo_origem        : chr  "SDPW" NA NA "SBCP" ...
##  $ aeronave_voo_destino       : chr  "SDPW" NA NA "SBCP" ...
##  $ aeronave_fase_operacao     : chr  "INDETERMINADA" "APROXIMAÇÃO FINAL" "CORRIDA APÓS POUSO" "CRUZEIRO" ...
##  $ aeronave_fase_operacao_icao: chr  "UNKNOWN" "APPROACH" "LANDING" "EN ROUTE" ...
##  $ aeronave_tipo_operacao     : chr  "VOO DE INSTRUÇÃO" "TÁXI AÉREO" "TÁXI AÉREO" "OPERAÇÃO ESPECIALIZADA" ...
##  $ aeronave_nivel_dano        : chr  "SUBSTANCIAL" "NENHUM" "LEVE" "LEVE" ...
##  $ total_fatalidades          : num  0 0 0 0 0 0 0 0 0 0 ...
##  $ aeronave_dia_extracao      : Date, format: "2019-04-22" "2019-04-22" ...
##  - attr(*, "spec")=
##   .. cols(
##   ..   codigo_ocorrencia = col_double(),
##   ..   aeronave_matricula = col_character(),
##   ..   aeronave_operador_categoria = col_character(),
##   ..   aeronave_tipo_veiculo = col_character(),
##   ..   aeronave_fabricante = col_character(),
##   ..   aeronave_modelo = col_character(),
##   ..   aeronave_tipo_icao = col_character(),
##   ..   aeronave_motor_tipo = col_character(),
##   ..   aeronave_motor_quantidade = col_character(),
##   ..   aeronave_pmd = col_double(),
##   ..   aeronave_pmd_categoria = col_character(),
##   ..   aeronave_assentos = col_double(),
##   ..   aeronave_ano_fabricacao = col_double(),
##   ..   aeronave_pais_fabricante = col_character(),
##   ..   aeronave_pais_registro = col_character(),
##   ..   aeronave_registro_categoria = col_character(),
##   ..   aeronave_registro_segmento = col_character(),
##   ..   aeronave_voo_origem = col_character(),
##   ..   aeronave_voo_destino = col_character(),
##   ..   aeronave_fase_operacao = col_character(),
##   ..   aeronave_fase_operacao_icao = col_character(),
##   ..   aeronave_tipo_operacao = col_character(),
##   ..   aeronave_nivel_dano = col_character(),
##   ..   total_fatalidades = col_double(),
##   ..   aeronave_dia_extracao = col_date(format = "")
##   .. )

tbl_df(df_aeronaves)

#Transformando algumas colunas para fatores
df_aeronaves$codigo_ocorrencia %<>% as.character()
df_aeronaves$aeronave_operador_categoria %<>% as.factor()
df_aeronaves$aeronave_tipo_veiculo %<>% as.factor()
df_aeronaves$aeronave_fabricante %<>% as.factor()
df_aeronaves$aeronave_modelo %<>% as.factor()
df_aeronaves$aeronave_tipo_icao %<>% as.factor()
df_aeronaves$aeronave_motor_tipo %<>% as.factor()
df_aeronaves$aeronave_motor_quantidade %<>% as.factor()
df_aeronaves$aeronave_pmd %<>% as.numeric()
df_aeronaves$aeronave_pmd_categoria %<>% as.factor()
df_aeronaves$aeronave_registro_segmento %<>% as.factor()
df_aeronaves$aeronave_tipo_operacao %<>% as.factor()
df_aeronaves$aeronave_nivel_dano %<>% as.factor()
df_aeronaves$aeronave_ano_fabricacao %<>% as.factor()
df_aeronaves$aeronave_pais_fabricante %<>% as.factor()
df_aeronaves$aeronave_fase_operacao %<>% as.factor()

#Retirando colunas que a princípio não serão utilizadas
df_aeronaves$aeronave_matricula <-  NULL
df_aeronaves$aeronave_registro_categoria <- NULL
df_aeronaves$aeronave_voo_origem <- NULL #excesso de NA
df_aeronaves$aeronave_voo_destino <- NULL #excesso de NA
df_aeronaves$aeronave_fase_operacao_icao <- NULL #excesso de NA
df_aeronaves$aeronave_dia_extracao <- NULL

str(df_contribuintes)

## Classes 'spec_tbl_df', 'tbl_df', 'tbl' and 'data.frame': 4536 obs. of  7 variables:
##  $ codigo_ocorrencia  : num  2.01e+14 2.01e+14 2.01e+14 2.01e+14 2.01e+14 ...
##  $ fator_nome         : chr  "JULGAMENTO DE PILOTAGEM" "MANUTENÇÃO DE AERONAVE" "SUPERVISÃO GERENCIAL" "ATITUDE" ...
##  $ fator_aspecto      : chr  "DESEMPENHO DO SER HUMANO" "DESEMPENHO DO SER HUMANO" "DESEMPENHO DO SER HUMANO" "ASPECTO PSICOLÓGICO" ...
##  $ fator_condicionante: chr  "OPERAÇÃO DA AERONAVE" "MANUTENÇÃO DA AERONAVE" "OPERAÇÃO DA AERONAVE" "INDIVIDUAL" ...
##  $ fator_area         : chr  "FATOR OPERACIONAL" "FATOR OPERACIONAL" "FATOR OPERACIONAL" "FATOR HUMANO" ...
##  $ fator_detalhe_fator: chr  "A PROVÁVEL INTENÇÃO EM PRESERVAR A AERONAVE, CONTROLADAS AS CONDIÇÕES DE APROXIMAÇÃO E LEVANDO EM CONSIDERAÇÃO "| __truncated__ "O RELATÓRIO TÉCNICO DO IAE REVELOU FALHAS ORIUNDAS DE PROCESSOS DE FADIGA E PITES DE CORROSÃO EM DETERMINADOS C"| __truncated__ "O OPERADOR NÃO PROGRAMOU A REALIZAÇÃO DE INSPEÇÕES MAIS CRITERIOSAS NOS ITENS CRÍTICOS DO MOTOR, DE FORMA A IDE"| __truncated__ "O PILOTO ERA POUCO EXPERIENTE E REALIZOU O POUSO SEM ANALISAR AS CONDIÇÕES DA ÁREA, DESCONSIDERANDO OS RISCOS E"| __truncated__ ...
##  $ fator_dia_extracao : Date, format: "2019-04-22" "2019-04-22" ...
##  - attr(*, "problems")=Classes 'tbl_df', 'tbl' and 'data.frame': 2 obs. of  5 variables:
##   ..$ row     : int  3362 3362
##   ..$ col     : chr  "fator_detalhe_fator" "fator_detalhe_fator"
##   ..$ expected: chr  "delimiter or quote" "delimiter or quote"
##   ..$ actual  : chr  "G" ")"
##   ..$ file    : chr  "'https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/ftc.csv'" "'https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/ftc.csv'"
##  - attr(*, "spec")=
##   .. cols(
##   ..   codigo_ocorrencia = col_double(),
##   ..   fator_nome = col_character(),
##   ..   fator_aspecto = col_character(),
##   ..   fator_condicionante = col_character(),
##   ..   fator_area = col_character(),
##   ..   fator_detalhe_fator = col_character(),
##   ..   fator_dia_extracao = col_date(format = "")
##   .. )

tbl_df(df_contribuintes)

#Transformando algumas colunas para fatores 
df_contribuintes$codigo_ocorrencia %<>% as.character()
df_contribuintes$fator_nome %<>% as.factor()
df_contribuintes$fator_aspecto %<>% as.factor()
df_contribuintes$fator_condicionante %<>% as.factor()
df_contribuintes$fator_area %<>% as.factor()

#Retirando colunas que a princípio não serão utilizadas
df_contribuintes$fator_dia_extracao <- NULL
df_contribuintes$fator_detalhe_fator <- NULL

str(df_contribuintes)

## Classes 'spec_tbl_df', 'tbl_df', 'tbl' and 'data.frame': 4536 obs. of  5 variables:
##  $ codigo_ocorrencia  : chr  "200901015424167" "200901015424167" "200901015424167" "200901055963381" ...
##  $ fator_nome         : Factor w/ 68 levels "ÁLCOOL","ANSIEDADE",..: 41 44 66 5 57 6 18 3 40 41 ...
##  $ fator_aspecto      : Factor w/ 9 levels "ASPECTO DA FABRICAÇÃO",..: 6 6 6 5 5 5 5 6 6 6 ...
##  $ fator_condicionante: Factor w/ 6 levels "INDIVIDUAL","MANUTENÇÃO DA AERONAVE",..: 3 2 3 1 1 4 4 3 3 3 ...
##  $ fator_area         : Factor w/ 3 levels "FATOR HUMANO",..: 3 3 3 1 1 1 1 3 3 3 ...
##  - attr(*, "problems")=Classes 'tbl_df', 'tbl' and 'data.frame': 2 obs. of  5 variables:
##   ..$ row     : int  3362 3362
##   ..$ col     : chr  "fator_detalhe_fator" "fator_detalhe_fator"
##   ..$ expected: chr  "delimiter or quote" "delimiter or quote"
##   ..$ actual  : chr  "G" ")"
##   ..$ file    : chr  "'https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/ftc.csv'" "'https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/ftc.csv'"
##  - attr(*, "spec")=
##   .. cols(
##   ..   codigo_ocorrencia = col_double(),
##   ..   fator_nome = col_character(),
##   ..   fator_aspecto = col_character(),
##   ..   fator_condicionante = col_character(),
##   ..   fator_area = col_character(),
##   ..   fator_detalhe_fator = col_character(),
##   ..   fator_dia_extracao = col_date(format = "")
##   .. )

#Ilustrando a estrutura
str(df_recomendacoes)

## Classes 'spec_tbl_df', 'tbl_df', 'tbl' and 'data.frame': 2023 obs. of  10 variables:
##  $ codigo_ocorrencia              : num  2.01e+14 2.01e+14 2.01e+14 2.01e+14 2.01e+14 ...
##  $ recomendacao_numero            : chr  "123/2012" "122/2012" "121/2012" "120/2012" ...
##  $ recomendacao_dia_assinatura    : Date, format: "2012-03-22" "2012-03-22" ...
##  $ recomendacao_dia_encaminhamento: Date, format: "2012-04-20" "2012-04-20" ...
##  $ recomendacao_feedback          : Date, format: NA "2012-11-26" ...
##  $ recomendacao_conteudo          : chr  "Dar ampla divulgação aos operadores de aeronaves antigas e clássicas, ainda em voo, do conteúdo do presente rel"| __truncated__ "Realizar fiscalização mais rigorosa na vistoria de documentação referente às aeronaves - cadernetas, fichas de "| __truncated__ "Aplicar processos que melhorem a qualidade da supervisão dos serviços prestados, de forma a impedir a emissão d"| __truncated__ "Promover a atualização de todos os registros das aeronaves operadas, conforme a legislação em vigor." ...
##  $ recomendacao_status            : chr  "AGUARDANDO RESPOSTA" "CUMPRIDA" "AGUARDANDO RESPOSTA" "AGUARDANDO RESPOSTA" ...
##  $ recomendacao_destinatario_sigla: chr  "ABAAC" "ANAC" "AEROCAMP" "EXTREME" ...
##  $ recomendacao_destinatario_nome : chr  "ASSOCIAÇÃO BRASILEIRA DE AERONAVES ANTIGAS E CLÁSSICAS" "AGÊNCIA NACIONAL DE AVIAÇÃO CIVIL" "AEROCAMP COMÉRCIO E SERVIÇOS AERONÁUTICOS" "EXTREME DEMONSTRAÇÕES AÉREAS" ...
##  $ dia_extracao_recomendacao      : Date, format: "2019-04-22" "2019-04-22" ...
##  - attr(*, "problems")=Classes 'tbl_df', 'tbl' and 'data.frame': 93 obs. of  5 variables:
##   ..$ row     : int  224 224 224 592 592 592 593 593 593 658 ...
##   ..$ col     : chr  "recomendacao_conteudo" "recomendacao_conteudo" NA "recomendacao_conteudo" ...
##   ..$ expected: chr  "delimiter or quote" "delimiter or quote" "10 columns" "delimiter or quote" ...
##   ..$ actual  : chr  "C" "*" "9 columns" "D" ...
##   ..$ file    : chr  "'https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/rec.csv'" "'https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/rec.csv'" "'https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/rec.csv'" "'https://raw.githubusercontent.com/fariasjlf/opendata_aig_brazil/master/data/rec.csv'" ...
##  - attr(*, "spec")=
##   .. cols(
##   ..   codigo_ocorrencia = col_double(),
##   ..   recomendacao_numero = col_character(),
##   ..   recomendacao_dia_assinatura = col_date(format = ""),
##   ..   recomendacao_dia_encaminhamento = col_date(format = ""),
##   ..   recomendacao_feedback = col_date(format = ""),
##   ..   recomendacao_conteudo = col_character(),
##   ..   recomendacao_status = col_character(),
##   ..   recomendacao_destinatario_sigla = col_character(),
##   ..   recomendacao_destinatario_nome = col_character(),
##   ..   dia_extracao_recomendacao = col_date(format = "")
##   .. )

head(df_recomendacoes, n = 5)

3. Criando um único dataframe para o projeto

A partir das decisões tomadas na seção anterior, os dataframes df_ocorrencias, df_aeronaves e df_contribuintes, serão unificados em um só, para isso, utilizou-se a função merge duas vezes. A primeira para conectar df_ocorrencias e df_aeronaves, e a segunda para conectar df_aeronaves e df_contribuintes. Utilizando como base a coluna “codigo_ocorrencia” que está presente nos 3 data frames. Para não perder nenhum dado, foi considerada a tabela com maior quantidade de linhas, no primeiro código representado por “all.y = T” e no segundo por “all.x = T”. Após o merge foi gerado um arquivo “.csv”.

df_projeto <- merge(df_ocorrencias, df_aeronaves, by.x = "codigo_ocorrencia", by.y = "codigo_ocorrencia", all.y = T)

df_projetofinal <- merge(df_projeto, df_contribuintes, by.x = "codigo_ocorrencia", by.y = "codigo_ocorrencia", all.x = T)

str(df_projetofinal)

## 'data.frame':    8911 obs. of  38 variables:
##  $ codigo_ocorrencia          : chr  "200901015424167" "200901015424167" "200901015424167" "200901022242090" ...
##  $ ocorrencia_classificacao   : Factor w/ 3 levels "ACIDENTE","INCIDENTE",..: 1 1 1 2 2 2 2 2 2 2 ...
##  $ ocorrencia_tipo            : Factor w/ 70 levels "AERÓDROMO","AERONAVE ATINGIDA POR OBJETO",..: 32 32 32 13 22 35 11 4 32 29 ...
##  $ ocorrencia_tipo_categoria  : Factor w/ 31 levels "AERÓDROMO","COLISÃO COM AVE",..: 13 13 13 5 11 12 5 24 13 11 ...
##  $ ocorrencia_tipo_icao       : Factor w/ 29 levels "ADRM","AMAN",..: 22 22 22 10 21 21 10 17 22 21 ...
##  $ ocorrencia_latitude        : num  -23.57 -23.57 -23.57 -23.47 -3.39 ...
##  $ ocorrencia_longitude       : num  -46.3 -46.3 -46.3 -46.5 -57.7 ...
##  $ ocorrencia_cidade          : Factor w/ 1044 levels "ABADIA DE GOIÁS",..: 606 606 606 401 596 625 524 150 992 98 ...
##  $ ocorrencia_uf              : Factor w/ 27 levels "AC","AL","AM",..: 26 26 26 26 3 24 11 7 12 3 ...
##  $ ocorrencia_aerodromo       : Factor w/ 473 levels "5JTI","9PAA",..: NA NA NA 45 NA 78 56 17 NA 413 ...
##  $ ocorrencia_dia             : Date, format: "2009-01-01" "2009-01-01" ...
##  $ ocorrencia_ano             : chr  "2009" "2009" "2009" "2009" ...
##  $ ocorrencia_horario         : 'hms' num  15:35:00 15:35:00 15:35:00 13:30:00 ...
##   ..- attr(*, "units")= chr "secs"
##  $ total_recomendacoes        : num  6 6 6 0 0 0 0 0 0 0 ...
##  $ total_aeronaves_envolvidas : num  1 1 1 1 1 1 1 1 1 1 ...
##  $ ocorrencia_saida_pista     : Factor w/ 2 levels "NÃO","SIM": 1 1 1 1 1 1 2 1 1 1 ...
##  $ aeronave_operador_categoria: Factor w/ 6 levels "AEROCLUBE","ESCOLA DE AVIAÇÃO",..: 4 4 4 4 4 4 1 4 4 4 ...
##  $ aeronave_tipo_veiculo      : Factor w/ 10 levels "ANFÍBIO","AVIÃO",..: 2 2 2 2 2 2 2 2 2 2 ...
##  $ aeronave_fabricante        : Factor w/ 224 levels " DASSAULT AVIATION",..: 160 160 160 15 69 15 2 15 69 69 ...
##  $ aeronave_modelo            : Factor w/ 778 levels " A320-214","108-2",..: 307 307 307 240 455 239 267 243 456 417 ...
##  $ aeronave_tipo_icao         : Factor w/ 233 levels " B734","734",..: 229 229 229 11 200 10 17 11 200 124 ...
##  $ aeronave_motor_tipo        : Factor w/ 5 levels "JATO","PISTÃO",..: 2 2 2 1 2 1 2 1 2 5 ...
##  $ aeronave_motor_quantidade  : Factor w/ 5 levels "BIMOTOR","MONOMOTOR",..: 2 2 2 1 1 1 2 1 1 1 ...
##  $ aeronave_pmd               : num  2404 2404 2404 77000 2073 ...
##  $ aeronave_pmd_categoria     : Factor w/ 3 levels "ACIMA DE 5700 KG",..: 3 3 3 1 2 1 2 1 2 3 ...
##  $ aeronave_assentos          : num  2 2 2 184 7 154 2 166 7 21 ...
##  $ aeronave_ano_fabricacao    : Factor w/ 77 levels "0","1936","1940",..: 4 4 4 68 39 59 52 66 45 40 ...
##  $ aeronave_pais_fabricante   : Factor w/ 16 levels "ALEMANHA","ARGENTINA",..: 6 6 6 7 4 7 2 7 4 4 ...
##  $ aeronave_pais_registro     : chr  "BRASIL" "BRASIL" "BRASIL" "BRASIL" ...
##  $ aeronave_registro_segmento : Factor w/ 12 levels "ADMINISTRAÇÃO DIRETA",..: 4 4 4 11 12 11 7 11 12 11 ...
##  $ aeronave_fase_operacao     : Factor w/ 31 levels "APROXIMAÇÃO FINAL",..: 14 14 14 21 25 30 8 7 7 6 ...
##  $ aeronave_tipo_operacao     : Factor w/ 10 levels "INDETERMINADA",..: 3 3 3 10 5 10 6 10 5 10 ...
##  $ aeronave_nivel_dano        : Factor w/ 5 levels "DESTRUÍDA","INDETERMINADO",..: 5 5 5 3 3 4 3 4 4 3 ...
##  $ total_fatalidades          : num  0 0 0 0 0 0 0 0 0 0 ...
##  $ fator_nome                 : Factor w/ 68 levels "ÁLCOOL","ANSIEDADE",..: 44 66 41 NA NA NA NA NA NA NA ...
##  $ fator_aspecto              : Factor w/ 9 levels "ASPECTO DA FABRICAÇÃO",..: 6 6 6 NA NA NA NA NA NA NA ...
##  $ fator_condicionante        : Factor w/ 6 levels "INDIVIDUAL","MANUTENÇÃO DA AERONAVE",..: 2 3 3 NA NA NA NA NA NA NA ...
##  $ fator_area                 : Factor w/ 3 levels "FATOR HUMANO",..: 3 3 3 NA NA NA NA NA NA NA ...

view(df_projetofinal)

# Para gerar o arquivo ".csv" basta tirar a "#" do código abaixo.  

#write.csv(df_projetofinal, "df_projetofinal.csv")

4. Gerando análises a partir do data frame do projeto

Primeiramente, foi feita a contagem do número de ocorrências aéreas nos últimos 10 anos com o objetivo de identificar a amplitude de dados que serão analisados.

# Total de ocorrências aéreas nos últimos 10 anos em solo brasileiro:

total_de_ocorrencias <- 
  df_projetofinal %>% 
  count(codigo_ocorrencia) %>% 
  nrow()

paste0("Nos últimos dez anos o total de ocorrencias aéreas é de ", total_de_ocorrencias,".")

## [1] "Nos últimos dez anos o total de ocorrencias aéreas é de 5396."

Uma vez identificado o número total de ocorrências, tentou-se entender como elas estão distribuidas pelo territorio brasileiro. Com esse fim, foi gerado um mapa interativo onde pode-se observar a quantidade de ocorrências em cada um dos estados do Brasil, bastando apenas passar o cursor do mouse no estado desejado. Além disso, o esquema de cores nos mostra, de acordo com a tonalidade, os estados com o maior número de ocorrências aéreas.

# O if abaixo foi adicionado para não ser necessário baixar os arquivos novamente ao rodar o código mais de uma vez.

if(!exists("shp")){
  download.file("http://www.usp.br/nereus/wp-content/uploads/Brasil.zip",destfile="br_unidades_da_federacao.zip")
  unzip("br_unidades_da_federacao.zip")
  shp <- rgdal::readOGR(getwd(),"UFEBRASIL", stringsAsFactors=FALSE, encoding="UTF-8")
  }

## OGR data source with driver: ESRI Shapefile 
## Source: "C:\Users\Breno\Documents\Faculdade\1- UERJ\9º Período\Tecnologia da Informação\Projeto\Ocorrências Aeronáuticas na Aviação Civil Brasileira\R", layer: "UFEBRASIL"
## with 27 features
## It has 4 fields
## Integer64 fields read as strings:  ID

dados_mapa <- df_projetofinal %>% 
  tidyr::complete(ocorrencia_uf) %>% 
  group_by(ocorrencia_uf) %>% 
  summarize('Numero' = n(), na.rm = TRUE) %>% 
  arrange(desc(Numero), ocorrencia_uf) %>% 
  select(ocorrencia_uf, Numero)

## Warning: Factor `ocorrencia_uf` contains implicit NA, consider using
## `forcats::fct_explicit_na`

url <- "https://www.oobj.com.br/bc/article/quais-os-c%C3%B3digos-de-cada-uf-no-brasil-465.html"

ID_UF <- url %>% 
  read_html() %>% 
  html_nodes("table") %>% 
  html_table()

dados_mapa <- merge(dados_mapa,ID_UF, by.x = "ocorrencia_uf", by.y = "UF")
dados_mapa <- dados_mapa %>% 
  select(Código.UF, ocorrencia_uf, Numero)

mapa <- merge(shp,dados_mapa, by.x = "CD_GEOCODU", by.y = "Código.UF")

# Criação do mapa

bins <- c(0, 50, 100, 200, 500, 1000, 2000)
pal <- colorBin("Greens", domain = mapa$Numero, bins = bins)

labels <- sprintf(
  "<strong>%s</strong><br/>%g ocorrências",
  mapa$NM_ESTADO, mapa$Numero
) %>% lapply(htmltools::HTML)

leaflet(mapa) %>%
  addTiles() %>% 
  addPolygons(fillColor = ~pal(mapa$Numero),
              weight = 0.5,
              opacity = 1,
              color = "gray",
              dashArray = "3",
              fillOpacity = 0.9,
              highlight = highlightOptions(weight = 3,
                                           color = "#666",
                                           dashArray = "",
                                           fillOpacity = 0.7,
                                           bringToFront = TRUE),
              label = labels,
              labelOptions = labelOptions(style = list("font-weight" = "normal", padding = "3px 8px"),
                                          textsize = "15px",
                                          direction = "auto")) %>%
  addLegend(pal = pal, values = ~mapa$Numero, opacity = 0.9, 
            title = "Número de ocorrências", position = "bottomright")

Como primeira análise gráfica foi feita a contagem das ocorrências por classificação. Abaixo estão listadas as classificações e suas respectivas definições de acordo com o Comando da Aeronáutica.

Classificações utilizadas na base:

• Incidente: Uma ocorrência aeronáutica, não classificada como um acidente, associada à operação de uma aeronave, que afete ou possa afetar a segurança da operação;

• Incidente Grave: Incidente aeronáutico envolvendo circunstâncias que indiquem que houve elevado risco de acidente relacionado à operação de uma aeronave;

• Acidente: A diferença entre o incidente grave e o acidente está apenas nas consequências. Dado isso, uma ocorrência é considerada acidente quando uma pessoa sofre lesão grave ou venha a falecer, a aeronave tenha falha estrutural ou dano grave ou a aeronave seja considerada desaparecida ou esteja em local inacessível.

Como resultado, foi gerado o gráfico das ocorrências por tipo de classificação. Em síntense, constatou-se a predominância de incidentes, seguidos de acidentes e incidentes graves.

# Contando as ocorrencias por classificação:

ocorrencias_por_classificacao <- df_projetofinal %>% 
  group_by(codigo_ocorrencia, ocorrencia_classificacao) %>% 
  summarize(n())

ocorrencias_por_classificacao %<>% 
  group_by(ocorrencia_classificacao) %>% 
  summarize('Numero' = n(), na.rm = TRUE)
ocorrencias_por_classificacao

# Gráfico de ocorrências por classificação

barplot(ocorrencias_por_classificacao$Numero, 
        main="Ocorrências por tipo de categoria", 
        names.arg = ocorrencias_por_classificacao$ocorrencia_classificacao,
        xlab = "Tipo de classificação",
        ylab = "Quantidade",
        ylim=c(0, 3500), 
        col = "lightseagreen") 
abline(h = 0, col = "black")

A fim de realizar uma análise mais precisa, foram identificados quais eram os 10 estados brasileiros com o maior número de ocorrências. A partir do gráfico abaixo, observou-se que o estado de São Paulo destaca-se com o maior número.

# Quais são os 10 estados com o maior número de ocorrências?

ocorrencias_por_estado <- df_projetofinal %>% 
  complete(ocorrencia_uf) %>% 
  group_by(ocorrencia_uf) %>% 
  summarize('Numero' = n(), na.rm = TRUE) %>% 
  arrange(desc(Numero), ocorrencia_uf) %>% 
  select(ocorrencia_uf, Numero) %>% 
  filter(Numero >= nth(Numero, 10))

## Warning: Factor `ocorrencia_uf` contains implicit NA, consider using
## `forcats::fct_explicit_na`

# Gráfico com os 10 Estados com o maior número de ocorrências

barplot(ocorrencias_por_estado$Numero, 
        main="Ocorrências por estado brasileiro", 
        names.arg = ocorrencias_por_estado$ocorrencia_uf,
        xlab = "Estados",
        ylab = "Quantidade",
        ylim=c(0, 2000), 
        col = "lightseagreen") 
abline(h = 0, col = "black")

Após identificar o estado com maior número de ocorrências, resolveu-se explorar os acidentes nesse estado. Dessa forma, foi feito uma análise do tipo de operação realizada durante uma ocorrência classficada como acidente no estado de São Paulo. O resultado nos mostrou que a maior proporção de acidentes ocorre durante voos privados, seguido de voos de intrução e operação agrícola. Em números, as proporções de tais operações está em torno de, respectivamente, 40%, 30% e 10% do total de acidentes em São Paulo.

# Para o estado com o maior número de ocorrências, qual era a operação realizada durante os acidentes?

ocorrencias_em_sp <- df_projetofinal %>% 
  filter(ocorrencia_uf == "SP") %>% 
  filter(ocorrencia_classificacao == "ACIDENTE") %>% 
  group_by(aeronave_tipo_operacao) %>% 
  summarize('Numero' = n(), na.rm = TRUE) %>% 
  mutate('Porcentagem' = (Numero/sum(Numero))*100) %>% 
  select(aeronave_tipo_operacao, Porcentagem) %>% 
  arrange(desc(Porcentagem), aeronave_tipo_operacao) 

# Gráfico de acidentes por tipo de operação em São Paulo

ocorrencias_em_sp %>% 
  ggplot(aes(x = aeronave_tipo_operacao,
             y = Porcentagem,
             group = aeronave_tipo_operacao,
             fill = aeronave_tipo_operacao)) +
  geom_bar(stat = "identity") + 
  coord_flip() +
  theme(axis.text.y=element_blank(),
        axis.ticks.y=element_blank())+
  labs(title="Acidentes por tipo de operação em SP",
        x ="Operação", y = "Proporção")

Surgiu então a curiosidade de identificar a diferença entre os acidentes envolvendo aviões e helicópteros. No gráfico abaixo foi feita essa comparação dividido por ano. Uma vez feito isso, identificou-se que nos anos de 2010 e 2011 os números de acidentes envolvendo aviçoes e helicópteros foram muito próximos. Porém, talvez o mais importante, é que foi possível identificar uma tendência decrescente no número de acidentes dos dois tipos de veículos desde 2009 até 2019.

# Qual número de acidentes por ano em São Paulo para aviões e helicópteros?

acidentes_sp <- df_projetofinal %>% 
  filter(ocorrencia_uf == "SP") %>% 
  filter(ocorrencia_classificacao == "ACIDENTE") %>% 
  filter(aeronave_tipo_veiculo == "AVIÃO" | aeronave_tipo_veiculo == "HELICÓPTERO") %>% 
  group_by(aeronave_tipo_veiculo, ocorrencia_ano) %>%
  summarize('Numero' =  n(), na.rm = TRUE) 

# Gráfico comparativo de acidentes envolvendo aviões e helicópteros em São Paulo.
acidentes_sp %>% 
  ggplot(aes(x = ocorrencia_ano,
             y = Numero,
             group = aeronave_tipo_veiculo,
             fill = aeronave_tipo_veiculo)) +
  geom_col(position = "dodge") + 
  scale_fill_manual(values = c("darkgreen", "cyan3")) +
  labs(title="Acidentes de aviões e helicópteros em SP por ano",
        x ="Ano", y = "Número de Acidentes")

Uma vez analisado e identificado o contexto atual, buscou-se explorar quais eram as principais empresas responsáveis pela produção das aeronaves envolvidas em acidentes aéreos em todo o Brasil. No gráfico abaixo é explicitado o número de ocorrências e o nome das 5 principais empresas relacionadas. Ressalta-se o alto número de acidentes envolvendo aeronaves da Neiva Industria Aeronautica e da Cessna Aircraft.

# Quais são os 5 Fabricantes responsáveis por aeronaves com maior número de acidentes?

acidentes_por_fabricante <- df_projetofinal %>% 
  group_by(aeronave_fabricante) %>% 
  filter(ocorrencia_classificacao == "ACIDENTE") %>% 
  summarize('Numero' = n(), na.rm = TRUE) %>% 
  na.omit() %>% 
  arrange(desc(Numero), aeronave_fabricante) %>% 
  select(aeronave_fabricante, Numero) %>% 
  filter(Numero >= nth(Numero, 5))

## Warning: Factor `aeronave_fabricante` contains implicit NA, consider using
## `forcats::fct_explicit_na`

# Gráfico com os 5 Fabricantes de aeronaves com o maior número de Acidentes

acidentes_por_fabricante %>% 
  ggplot(aes(x = aeronave_fabricante,
             y = Numero,
             group = aeronave_fabricante,
             fill = aeronave_fabricante)) +
  geom_col() + 
  theme(axis.title.x=element_blank(),
        axis.text.x=element_blank(),
        axis.ticks.x=element_blank())  +
  scale_fill_manual(values = c("navy", "firebrick3", "orange3", "yellowgreen", "cyan3"))+
  labs(title="Acidentes por Fabricantes",
        x ="Fabricante", y = "Número de Acidentes")

No Gráfico 4, que expõe os acidentes por ano em São Paulo para aviões e helicópteros foi identificado a diminuição do número de acidentes com o decorrer dos anos. Isto posto, foi feita a análise de como estão se comportando o número de ocorrências de qualquer tipo desde 2009 até 2019.

Dado isso, foi identificado pelo gráfico abaixo que o número de ocorrências (acidentes, incidentes e incidentes graves) estão decrescendo ao longo dos anos. Observação: Durante o desenvolvimento do projeto, o ano de 2019 ainda estava em andamento. Dessa forma, o gráfico nos mostra uma posição apenas para o primeiro semestre do ano de 2019.

# Ocorrências (acidente, incidente e incidente grave) por ano 

ocorrencias_por_ano <- df_projetofinal %>% 
  select(ocorrencia_classificacao, ocorrencia_ano) %>% 
  group_by(ocorrencia_classificacao, ocorrencia_ano) %>% 
  summarise('Numero'= n(), na.rm = T) %>% 
  select(ocorrencia_classificacao, ocorrencia_ano, Numero)

# Gráfico Ocorrencias por ano

ocorrencias_por_ano  %>%  
  ggplot(aes(x = ocorrencia_ano ,
             y = Numero,
             group = ocorrencia_classificacao,
             color = ocorrencia_classificacao,
             shape = ocorrencia_classificacao)) +
  geom_line() + 
  scale_shape_manual(values = c(19, 17, 3)) +
  scale_color_manual(values = c("black", "blue", "cyan3")) +
  labs(title="Ocorrências por ano",
        x ="ano", y = "Número de Ocorrências")

Quando são abordados temas sobre ocorrências aéras, um dos assuntos mais sensiveis é o número de fatalidades. Abaixo, foi identificado os principais fatores que contribuíram para as ocorrências com fatalidade segundo a base de dados estudada.

Em suma, identificou-se:

• O aspecto psicológico e o desempenho do ser humano são os dois fatores principais nas ocorrências aéreas com fatalidades;
• Há ocorrências relacionadas a problemas ergonômicos nas aeronaves, dado importante para o projeto de novas aeronaves.

ocorrencias_fator <- df_projetofinal %>% 
  group_by(ocorrencia_classificacao, fator_aspecto) %>% 
  filter(total_fatalidades >= 1)  %>% 
  summarise('Numero'= n(), na.rm = T) %>% 
  na.omit() %>% 
  arrange(desc(Numero), fator_aspecto)

## Warning: Factor `fator_aspecto` contains implicit NA, consider using
## `forcats::fct_explicit_na`

#Gráfico

ocorrencias_fator %>% 
  ggplot(aes(x = fator_aspecto,
             y = Numero,
             group = fator_aspecto,
             fill = fator_aspecto)) +
  geom_bar(stat = "identity") +
  coord_flip() +
  labs(title="Fatores para as ocorrências com fatalidade",
        x ="Fator", y = "Número") + 
  theme(legend.position = "none")

5. Previsões

Nesta etapa do projeto foi criado um modelo de regressão de acordo com as variáveis disponíveis no banco de dados. Uma vez que a maior parte dos dados presentes estão em formas de variaveis categóricas, ou seja, vetores definidos como fatores no inicio do projeto, foi adotado o modelo de regressão logistica, mais adequado para tratar tais tipos de dados. Dado que foi constatado nas análises anteriores que a maioria das ocorrências estão concentradas no estado de São Paulo, utilizou-se tal estado para construir o modelo de regressão abaixo. O modelo proposto tem como objetivo calcular a probabilidade de haver fatalidades ou não durante um acidente no estado de São Paulo, de acordo com um conjunto de variaveis correlacionadas.

# Selecionando os acidentes em São Paulo

df_projetosp <- df_projetofinal %>% 
  filter(ocorrencia_classificacao == "ACIDENTE")%>% 
  filter(ocorrencia_uf == "SP")
  
# Agregando valores binários para identificar se houve uma ou mais fatalidade ou não

df_projetosp$fatalidade_bin[df_projetosp$total_fatalidades > 0] <- 1
df_projetosp$fatalidade_bin[df_projetosp$total_fatalidades == 0] <- 0 
str(df_projetosp)

## 'data.frame':    888 obs. of  39 variables:
##  $ codigo_ocorrencia          : chr  "200901015424167" "200901015424167" "200901015424167" "200901058094910" ...
##  $ ocorrencia_classificacao   : Factor w/ 3 levels "ACIDENTE","INCIDENTE",..: 1 1 1 1 1 1 1 1 1 1 ...
##  $ ocorrencia_tipo            : Factor w/ 70 levels "AERÓDROMO","AERONAVE ATINGIDA POR OBJETO",..: 32 32 32 32 32 55 55 55 55 55 ...
##  $ ocorrencia_tipo_categoria  : Factor w/ 31 levels "AERÓDROMO","COLISÃO COM AVE",..: 13 13 13 13 13 26 26 26 26 26 ...
##  $ ocorrencia_tipo_icao       : Factor w/ 29 levels "ADRM","AMAN",..: 22 22 22 22 22 13 13 13 13 13 ...
##  $ ocorrencia_latitude        : num  -23.6 -23.6 -23.6 -23.2 -23.2 ...
##  $ ocorrencia_longitude       : num  -46.3 -46.3 -46.3 -47.1 -47.1 ...
##  $ ocorrencia_cidade          : Factor w/ 1044 levels "ABADIA DE GOIÁS",..: 606 606 606 483 483 898 898 898 898 898 ...
##  $ ocorrencia_uf              : Factor w/ 27 levels "AC","AL","AM",..: 26 26 26 26 26 26 26 26 26 26 ...
##  $ ocorrencia_aerodromo       : Factor w/ 473 levels "5JTI","9PAA",..: NA NA NA NA NA NA NA NA NA NA ...
##  $ ocorrencia_dia             : Date, format: "2009-01-01" "2009-01-01" ...
##  $ ocorrencia_ano             : chr  "2009" "2009" "2009" "2009" ...
##  $ ocorrencia_horario         : 'hms' num  15:35:00 15:35:00 15:35:00 17:00:00 ...
##   ..- attr(*, "units")= chr "secs"
##  $ total_recomendacoes        : num  6 6 6 7 7 0 0 0 0 0 ...
##  $ total_aeronaves_envolvidas : num  1 1 1 1 1 1 1 1 1 1 ...
##  $ ocorrencia_saida_pista     : Factor w/ 2 levels "NÃO","SIM": 1 1 1 1 1 1 1 1 1 1 ...
##  $ aeronave_operador_categoria: Factor w/ 6 levels "AEROCLUBE","ESCOLA DE AVIAÇÃO",..: 4 4 4 5 5 1 1 1 1 1 ...
##  $ aeronave_tipo_veiculo      : Factor w/ 10 levels "ANFÍBIO","AVIÃO",..: 2 2 2 5 5 2 2 2 2 2 ...
##  $ aeronave_fabricante        : Factor w/ 224 levels " DASSAULT AVIATION",..: 160 160 160 11 11 2 2 2 2 2 ...
##  $ aeronave_modelo            : Factor w/ 778 levels " A320-214","108-2",..: 307 307 307 219 219 267 267 267 267 267 ...
##  $ aeronave_tipo_icao         : Factor w/ 233 levels " B734","734",..: 229 229 229 3 3 17 17 17 17 17 ...
##  $ aeronave_motor_tipo        : Factor w/ 5 levels "JATO","PISTÃO",..: 2 2 2 4 4 2 2 2 2 2 ...
##  $ aeronave_motor_quantidade  : Factor w/ 5 levels "BIMOTOR","MONOMOTOR",..: 2 2 2 1 1 2 2 2 2 2 ...
##  $ aeronave_pmd               : num  2404 2404 2404 2720 2720 ...
##  $ aeronave_pmd_categoria     : Factor w/ 3 levels "ACIMA DE 5700 KG",..: 3 3 3 3 3 2 2 2 2 2 ...
##  $ aeronave_assentos          : num  2 2 2 8 8 3 3 3 3 3 ...
##  $ aeronave_ano_fabricacao    : Factor w/ 77 levels "0","1936","1940",..: 4 4 4 50 50 52 52 52 52 52 ...
##  $ aeronave_pais_fabricante   : Factor w/ 16 levels "ALEMANHA","ARGENTINA",..: 6 6 6 10 10 2 2 2 2 2 ...
##  $ aeronave_pais_registro     : chr  "BRASIL" "BRASIL" "BRASIL" "BRASIL" ...
##  $ aeronave_registro_segmento : Factor w/ 12 levels "ADMINISTRAÇÃO DIRETA",..: 4 4 4 10 10 7 7 7 7 7 ...
##  $ aeronave_fase_operacao     : Factor w/ 31 levels "APROXIMAÇÃO FINAL",..: 14 14 14 28 28 25 25 25 25 25 ...
##  $ aeronave_tipo_operacao     : Factor w/ 10 levels "INDETERMINADA",..: 3 3 3 9 9 6 6 6 6 6 ...
##  $ aeronave_nivel_dano        : Factor w/ 5 levels "DESTRUÍDA","INDETERMINADO",..: 5 5 5 5 5 3 3 3 3 3 ...
##  $ total_fatalidades          : num  0 0 0 1 1 0 0 0 0 0 ...
##  $ fator_nome                 : Factor w/ 68 levels "ÁLCOOL","ANSIEDADE",..: 44 66 41 44 59 3 56 59 50 13 ...
##  $ fator_aspecto              : Factor w/ 9 levels "ASPECTO DA FABRICAÇÃO",..: 6 6 6 6 3 6 6 3 NA NA ...
##  $ fator_condicionante        : Factor w/ 6 levels "INDIVIDUAL","MANUTENÇÃO DA AERONAVE",..: 2 3 3 2 NA 3 3 NA NA NA ...
##  $ fator_area                 : Factor w/ 3 levels "FATOR HUMANO",..: 3 3 3 3 2 3 3 2 NA NA ...
##  $ fatalidade_bin             : num  0 0 0 1 1 0 0 0 0 0 ...

# Correlações

corrgram(df_projetosp , order = TRUE,
         lower.panel = panel.cor,
         upper.panel = panel.pts)

# Modelo

lprojeto <- glm(fatalidade_bin ~ aeronave_nivel_dano + total_recomendacoes + aeronave_tipo_operacao + ocorrencia_tipo_categoria,
               family = binomial(link = "logit"),
               data = df_projetosp)

## Warning: glm.fit: fitted probabilities numerically 0 or 1 occurred

summary(lprojeto)

## 
## Call:
## glm(formula = fatalidade_bin ~ aeronave_nivel_dano + total_recomendacoes + 
##     aeronave_tipo_operacao + ocorrencia_tipo_categoria, family = binomial(link = "logit"), 
##     data = df_projetosp)
## 
## Deviance Residuals: 
##     Min       1Q   Median       3Q      Max  
## -3.1083  -0.2027   0.0000   0.0000   3.9958  
## 
## Coefficients:
##                                                                                Estimate
## (Intercept)                                                                  -1.219e+00
## aeronave_nivel_danoINDETERMINADO                                             -4.823e+00
## aeronave_nivel_danoLEVE                                                      -2.196e+01
## aeronave_nivel_danoNENHUM                                                    -2.306e+01
## aeronave_nivel_danoSUBSTANCIAL                                               -5.222e+00
## total_recomendacoes                                                           3.697e-01
## aeronave_tipo_operacaoOPERAÇÃO AGRÍCOLA                                      -1.542e+00
## aeronave_tipo_operacaoOPERAÇÃO ESPECIALIZADA                                 -1.896e+01
## aeronave_tipo_operacaoOPERAÇÃO POLICIAL                                      -1.514e+01
## aeronave_tipo_operacaoTÁXI AÉREO                                              1.661e+00
## aeronave_tipo_operacaoVOO DE INSTRUÇÃO                                        1.218e+00
## aeronave_tipo_operacaoVOO EXPERIMENTAL                                        1.884e+00
## aeronave_tipo_operacaoVOO NÃO REGULAR                                        -1.447e+01
## aeronave_tipo_operacaoVOO PRIVADO                                             7.341e-01
## aeronave_tipo_operacaoVOO REGULAR                                             9.468e-01
## ocorrencia_tipo_categoriaCOLISÃO NO SOLO                                     -1.542e+01
## ocorrencia_tipo_categoriaCOMBUSTÍVEL                                         -5.802e-01
## ocorrencia_tipo_categoriaCONTATO ANORMAL COM A PISTA                         -1.582e+01
## ocorrencia_tipo_categoriaEXCURSÃO DE PISTA                                   -1.549e+01
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DE SISTEMA / COMPONENTE   4.294e+00
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DE SISTEMA / COMPONENTE   2.725e+00
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DO MOTOR                  1.831e+00
## ocorrencia_tipo_categoriaFOGO/FUMAÇA (SEM IMPACTO)                           -1.601e+01
## ocorrencia_tipo_categoriaINDETERMINADO                                        4.157e+00
## ocorrencia_tipo_categoriaOPERAÇÃO A BAIXA ALTITUDE                            3.426e+00
## ocorrencia_tipo_categoriaOUTROS                                               3.751e+00
## ocorrencia_tipo_categoriaPERDA DE CONTROLE EM VOO                             3.285e+00
## ocorrencia_tipo_categoriaPERDA DE CONTROLE NO SOLO                           -2.023e+01
## ocorrencia_tipo_categoriaPERDA DE SEPARAÇÃO / COLISÃO EM VOO                  4.508e-01
## ocorrencia_tipo_categoriaPOUSO AQUÉM/ALÉM DA PISTA                           -1.531e+01
## ocorrencia_tipo_categoriaVOO CONTROLADO CONTRA O TERRENO                     -2.434e-01
##                                                                              Std. Error
## (Intercept)                                                                   1.321e+00
## aeronave_nivel_danoINDETERMINADO                                              1.954e+00
## aeronave_nivel_danoLEVE                                                       1.950e+03
## aeronave_nivel_danoNENHUM                                                     1.773e+04
## aeronave_nivel_danoSUBSTANCIAL                                                5.691e-01
## total_recomendacoes                                                           6.005e-02
## aeronave_tipo_operacaoOPERAÇÃO AGRÍCOLA                                       1.480e+00
## aeronave_tipo_operacaoOPERAÇÃO ESPECIALIZADA                                  2.461e+03
## aeronave_tipo_operacaoOPERAÇÃO POLICIAL                                       6.807e+03
## aeronave_tipo_operacaoTÁXI AÉREO                                              1.548e+00
## aeronave_tipo_operacaoVOO DE INSTRUÇÃO                                        1.303e+00
## aeronave_tipo_operacaoVOO EXPERIMENTAL                                        1.367e+00
## aeronave_tipo_operacaoVOO NÃO REGULAR                                         5.396e+03
## aeronave_tipo_operacaoVOO PRIVADO                                             1.285e+00
## aeronave_tipo_operacaoVOO REGULAR                                             1.814e+04
## ocorrencia_tipo_categoriaCOLISÃO NO SOLO                                      5.731e+03
## ocorrencia_tipo_categoriaCOMBUSTÍVEL                                          7.023e-01
## ocorrencia_tipo_categoriaCONTATO ANORMAL COM A PISTA                          1.972e+03
## ocorrencia_tipo_categoriaEXCURSÃO DE PISTA                                    2.614e+03
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DE SISTEMA / COMPONENTE   7.951e-01
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DE SISTEMA / COMPONENTE   1.024e+00
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DO MOTOR                  8.645e-01
## ocorrencia_tipo_categoriaFOGO/FUMAÇA (SEM IMPACTO)                            1.773e+04
## ocorrencia_tipo_categoriaINDETERMINADO                                        1.283e+00
## ocorrencia_tipo_categoriaOPERAÇÃO A BAIXA ALTITUDE                            1.061e+00
## ocorrencia_tipo_categoriaOUTROS                                               7.690e-01
## ocorrencia_tipo_categoriaPERDA DE CONTROLE EM VOO                             6.353e-01
## ocorrencia_tipo_categoriaPERDA DE CONTROLE NO SOLO                            1.149e+03
## ocorrencia_tipo_categoriaPERDA DE SEPARAÇÃO / COLISÃO EM VOO                  1.441e+00
## ocorrencia_tipo_categoriaPOUSO AQUÉM/ALÉM DA PISTA                            4.571e+03
## ocorrencia_tipo_categoriaVOO CONTROLADO CONTRA O TERRENO                      9.650e-01
##                                                                              z value
## (Intercept)                                                                   -0.923
## aeronave_nivel_danoINDETERMINADO                                              -2.468
## aeronave_nivel_danoLEVE                                                       -0.011
## aeronave_nivel_danoNENHUM                                                     -0.001
## aeronave_nivel_danoSUBSTANCIAL                                                -9.175
## total_recomendacoes                                                            6.156
## aeronave_tipo_operacaoOPERAÇÃO AGRÍCOLA                                       -1.042
## aeronave_tipo_operacaoOPERAÇÃO ESPECIALIZADA                                  -0.008
## aeronave_tipo_operacaoOPERAÇÃO POLICIAL                                       -0.002
## aeronave_tipo_operacaoTÁXI AÉREO                                               1.073
## aeronave_tipo_operacaoVOO DE INSTRUÇÃO                                         0.935
## aeronave_tipo_operacaoVOO EXPERIMENTAL                                         1.378
## aeronave_tipo_operacaoVOO NÃO REGULAR                                         -0.003
## aeronave_tipo_operacaoVOO PRIVADO                                              0.572
## aeronave_tipo_operacaoVOO REGULAR                                              0.000
## ocorrencia_tipo_categoriaCOLISÃO NO SOLO                                      -0.003
## ocorrencia_tipo_categoriaCOMBUSTÍVEL                                          -0.826
## ocorrencia_tipo_categoriaCONTATO ANORMAL COM A PISTA                          -0.008
## ocorrencia_tipo_categoriaEXCURSÃO DE PISTA                                    -0.006
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DE SISTEMA / COMPONENTE    5.400
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DE SISTEMA / COMPONENTE    2.662
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DO MOTOR                   2.118
## ocorrencia_tipo_categoriaFOGO/FUMAÇA (SEM IMPACTO)                            -0.001
## ocorrencia_tipo_categoriaINDETERMINADO                                         3.241
## ocorrencia_tipo_categoriaOPERAÇÃO A BAIXA ALTITUDE                             3.229
## ocorrencia_tipo_categoriaOUTROS                                                4.877
## ocorrencia_tipo_categoriaPERDA DE CONTROLE EM VOO                              5.170
## ocorrencia_tipo_categoriaPERDA DE CONTROLE NO SOLO                            -0.018
## ocorrencia_tipo_categoriaPERDA DE SEPARAÇÃO / COLISÃO EM VOO                   0.313
## ocorrencia_tipo_categoriaPOUSO AQUÉM/ALÉM DA PISTA                            -0.003
## ocorrencia_tipo_categoriaVOO CONTROLADO CONTRA O TERRENO                      -0.252
##                                                                              Pr(>|z|)
## (Intercept)                                                                   0.35623
## aeronave_nivel_danoINDETERMINADO                                              0.01358
## aeronave_nivel_danoLEVE                                                       0.99101
## aeronave_nivel_danoNENHUM                                                     0.99896
## aeronave_nivel_danoSUBSTANCIAL                                                < 2e-16
## total_recomendacoes                                                          7.47e-10
## aeronave_tipo_operacaoOPERAÇÃO AGRÍCOLA                                       0.29741
## aeronave_tipo_operacaoOPERAÇÃO ESPECIALIZADA                                  0.99385
## aeronave_tipo_operacaoOPERAÇÃO POLICIAL                                       0.99823
## aeronave_tipo_operacaoTÁXI AÉREO                                              0.28335
## aeronave_tipo_operacaoVOO DE INSTRUÇÃO                                        0.34996
## aeronave_tipo_operacaoVOO EXPERIMENTAL                                        0.16819
## aeronave_tipo_operacaoVOO NÃO REGULAR                                         0.99786
## aeronave_tipo_operacaoVOO PRIVADO                                             0.56766
## aeronave_tipo_operacaoVOO REGULAR                                             0.99996
## ocorrencia_tipo_categoriaCOLISÃO NO SOLO                                      0.99785
## ocorrencia_tipo_categoriaCOMBUSTÍVEL                                          0.40871
## ocorrencia_tipo_categoriaCONTATO ANORMAL COM A PISTA                          0.99360
## ocorrencia_tipo_categoriaEXCURSÃO DE PISTA                                    0.99527
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DE SISTEMA / COMPONENTE  6.65e-08
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DE SISTEMA / COMPONENTE   0.00777
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DO MOTOR                  0.03415
## ocorrencia_tipo_categoriaFOGO/FUMAÇA (SEM IMPACTO)                            0.99928
## ocorrencia_tipo_categoriaINDETERMINADO                                        0.00119
## ocorrencia_tipo_categoriaOPERAÇÃO A BAIXA ALTITUDE                            0.00124
## ocorrencia_tipo_categoriaOUTROS                                              1.08e-06
## ocorrencia_tipo_categoriaPERDA DE CONTROLE EM VOO                            2.34e-07
## ocorrencia_tipo_categoriaPERDA DE CONTROLE NO SOLO                            0.98595
## ocorrencia_tipo_categoriaPERDA DE SEPARAÇÃO / COLISÃO EM VOO                  0.75438
## ocorrencia_tipo_categoriaPOUSO AQUÉM/ALÉM DA PISTA                            0.99733
## ocorrencia_tipo_categoriaVOO CONTROLADO CONTRA O TERRENO                      0.80089
##                                                                                 
## (Intercept)                                                                     
## aeronave_nivel_danoINDETERMINADO                                             *  
## aeronave_nivel_danoLEVE                                                         
## aeronave_nivel_danoNENHUM                                                       
## aeronave_nivel_danoSUBSTANCIAL                                               ***
## total_recomendacoes                                                          ***
## aeronave_tipo_operacaoOPERAÇÃO AGRÍCOLA                                         
## aeronave_tipo_operacaoOPERAÇÃO ESPECIALIZADA                                    
## aeronave_tipo_operacaoOPERAÇÃO POLICIAL                                         
## aeronave_tipo_operacaoTÁXI AÉREO                                                
## aeronave_tipo_operacaoVOO DE INSTRUÇÃO                                          
## aeronave_tipo_operacaoVOO EXPERIMENTAL                                          
## aeronave_tipo_operacaoVOO NÃO REGULAR                                           
## aeronave_tipo_operacaoVOO PRIVADO                                               
## aeronave_tipo_operacaoVOO REGULAR                                               
## ocorrencia_tipo_categoriaCOLISÃO NO SOLO                                        
## ocorrencia_tipo_categoriaCOMBUSTÍVEL                                            
## ocorrencia_tipo_categoriaCONTATO ANORMAL COM A PISTA                            
## ocorrencia_tipo_categoriaEXCURSÃO DE PISTA                                      
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DE SISTEMA / COMPONENTE  ***
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DE SISTEMA / COMPONENTE  ** 
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DO MOTOR                 *  
## ocorrencia_tipo_categoriaFOGO/FUMAÇA (SEM IMPACTO)                              
## ocorrencia_tipo_categoriaINDETERMINADO                                       ** 
## ocorrencia_tipo_categoriaOPERAÇÃO A BAIXA ALTITUDE                           ** 
## ocorrencia_tipo_categoriaOUTROS                                              ***
## ocorrencia_tipo_categoriaPERDA DE CONTROLE EM VOO                            ***
## ocorrencia_tipo_categoriaPERDA DE CONTROLE NO SOLO                              
## ocorrencia_tipo_categoriaPERDA DE SEPARAÇÃO / COLISÃO EM VOO                    
## ocorrencia_tipo_categoriaPOUSO AQUÉM/ALÉM DA PISTA                              
## ocorrencia_tipo_categoriaVOO CONTROLADO CONTRA O TERRENO                        
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 978.44  on 887  degrees of freedom
## Residual deviance: 319.98  on 857  degrees of freedom
## AIC: 381.98
## 
## Number of Fisher Scoring iterations: 19

plot(predict(lprojeto, type = "response"), residuals(lprojeto, type = "deviance"))

A partir dos gráficos, observa-se uma maior concentração entre valores de 0 e 1. Uma vez que foram atendidas as premissas da regressão logística, considera-se que o modelo é adequado, acertando em sua maior parte quando ocorre uma fatalidade e quando não ocorre.

exp(coef(lprojeto))     # Exponenciação dos coeficientes para melhor interpretação

##                                                                  (Intercept) 
##                                                                 2.956580e-01 
##                                             aeronave_nivel_danoINDETERMINADO 
##                                                                 8.044958e-03 
##                                                      aeronave_nivel_danoLEVE 
##                                                                 2.910837e-10 
##                                                    aeronave_nivel_danoNENHUM 
##                                                                 9.637003e-11 
##                                               aeronave_nivel_danoSUBSTANCIAL 
##                                                                 5.396511e-03 
##                                                          total_recomendacoes 
##                                                                 1.447267e+00 
##                                      aeronave_tipo_operacaoOPERAÇÃO AGRÍCOLA 
##                                                                 2.138509e-01 
##                                 aeronave_tipo_operacaoOPERAÇÃO ESPECIALIZADA 
##                                                                 5.818103e-09 
##                                      aeronave_tipo_operacaoOPERAÇÃO POLICIAL 
##                                                                 2.657691e-07 
##                                             aeronave_tipo_operacaoTÁXI AÉREO 
##                                                                 5.263169e+00 
##                                       aeronave_tipo_operacaoVOO DE INSTRUÇÃO 
##                                                                 3.380504e+00 
##                                       aeronave_tipo_operacaoVOO EXPERIMENTAL 
##                                                                 6.580533e+00 
##                                        aeronave_tipo_operacaoVOO NÃO REGULAR 
##                                                                 5.187830e-07 
##                                            aeronave_tipo_operacaoVOO PRIVADO 
##                                                                 2.083714e+00 
##                                            aeronave_tipo_operacaoVOO REGULAR 
##                                                                 2.577475e+00 
##                                     ocorrencia_tipo_categoriaCOLISÃO NO SOLO 
##                                                                 2.014333e-07 
##                                         ocorrencia_tipo_categoriaCOMBUSTÍVEL 
##                                                                 5.597713e-01 
##                         ocorrencia_tipo_categoriaCONTATO ANORMAL COM A PISTA 
##                                                                 1.344529e-07 
##                                   ocorrencia_tipo_categoriaEXCURSÃO DE PISTA 
##                                                                 1.878629e-07 
##  ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DE SISTEMA / COMPONENTE 
##                                                                 7.325159e+01 
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DE SISTEMA / COMPONENTE  
##                                                                 1.526311e+01 
##                 ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DO MOTOR 
##                                                                 6.241332e+00 
##                           ocorrencia_tipo_categoriaFOGO/FUMAÇA (SEM IMPACTO) 
##                                                                 1.114567e-07 
##                                       ocorrencia_tipo_categoriaINDETERMINADO 
##                                                                 6.388893e+01 
##                           ocorrencia_tipo_categoriaOPERAÇÃO A BAIXA ALTITUDE 
##                                                                 3.075279e+01 
##                                              ocorrencia_tipo_categoriaOUTROS 
##                                                                 4.255082e+01 
##                            ocorrencia_tipo_categoriaPERDA DE CONTROLE EM VOO 
##                                                                 2.669953e+01 
##                           ocorrencia_tipo_categoriaPERDA DE CONTROLE NO SOLO 
##                                                                 1.633216e-09 
##                 ocorrencia_tipo_categoriaPERDA DE SEPARAÇÃO / COLISÃO EM VOO 
##                                                                 1.569595e+00 
##                           ocorrencia_tipo_categoriaPOUSO AQUÉM/ALÉM DA PISTA 
##                                                                 2.233711e-07 
##                     ocorrencia_tipo_categoriaVOO CONTROLADO CONTRA O TERRENO 
##                                                                 7.839829e-01

exp(lprojeto$coefficients)

##                                                                  (Intercept) 
##                                                                 2.956580e-01 
##                                             aeronave_nivel_danoINDETERMINADO 
##                                                                 8.044958e-03 
##                                                      aeronave_nivel_danoLEVE 
##                                                                 2.910837e-10 
##                                                    aeronave_nivel_danoNENHUM 
##                                                                 9.637003e-11 
##                                               aeronave_nivel_danoSUBSTANCIAL 
##                                                                 5.396511e-03 
##                                                          total_recomendacoes 
##                                                                 1.447267e+00 
##                                      aeronave_tipo_operacaoOPERAÇÃO AGRÍCOLA 
##                                                                 2.138509e-01 
##                                 aeronave_tipo_operacaoOPERAÇÃO ESPECIALIZADA 
##                                                                 5.818103e-09 
##                                      aeronave_tipo_operacaoOPERAÇÃO POLICIAL 
##                                                                 2.657691e-07 
##                                             aeronave_tipo_operacaoTÁXI AÉREO 
##                                                                 5.263169e+00 
##                                       aeronave_tipo_operacaoVOO DE INSTRUÇÃO 
##                                                                 3.380504e+00 
##                                       aeronave_tipo_operacaoVOO EXPERIMENTAL 
##                                                                 6.580533e+00 
##                                        aeronave_tipo_operacaoVOO NÃO REGULAR 
##                                                                 5.187830e-07 
##                                            aeronave_tipo_operacaoVOO PRIVADO 
##                                                                 2.083714e+00 
##                                            aeronave_tipo_operacaoVOO REGULAR 
##                                                                 2.577475e+00 
##                                     ocorrencia_tipo_categoriaCOLISÃO NO SOLO 
##                                                                 2.014333e-07 
##                                         ocorrencia_tipo_categoriaCOMBUSTÍVEL 
##                                                                 5.597713e-01 
##                         ocorrencia_tipo_categoriaCONTATO ANORMAL COM A PISTA 
##                                                                 1.344529e-07 
##                                   ocorrencia_tipo_categoriaEXCURSÃO DE PISTA 
##                                                                 1.878629e-07 
##  ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DE SISTEMA / COMPONENTE 
##                                                                 7.325159e+01 
## ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DE SISTEMA / COMPONENTE  
##                                                                 1.526311e+01 
##                 ocorrencia_tipo_categoriaFALHA OU MAU FUNCIONAMENTO DO MOTOR 
##                                                                 6.241332e+00 
##                           ocorrencia_tipo_categoriaFOGO/FUMAÇA (SEM IMPACTO) 
##                                                                 1.114567e-07 
##                                       ocorrencia_tipo_categoriaINDETERMINADO 
##                                                                 6.388893e+01 
##                           ocorrencia_tipo_categoriaOPERAÇÃO A BAIXA ALTITUDE 
##                                                                 3.075279e+01 
##                                              ocorrencia_tipo_categoriaOUTROS 
##                                                                 4.255082e+01 
##                            ocorrencia_tipo_categoriaPERDA DE CONTROLE EM VOO 
##                                                                 2.669953e+01 
##                           ocorrencia_tipo_categoriaPERDA DE CONTROLE NO SOLO 
##                                                                 1.633216e-09 
##                 ocorrencia_tipo_categoriaPERDA DE SEPARAÇÃO / COLISÃO EM VOO 
##                                                                 1.569595e+00 
##                           ocorrencia_tipo_categoriaPOUSO AQUÉM/ALÉM DA PISTA 
##                                                                 2.233711e-07 
##                     ocorrencia_tipo_categoriaVOO CONTROLADO CONTRA O TERRENO 
##                                                                 7.839829e-01

df_projetosp$Prob <- predict(lprojeto,
                      newdata = df_projetosp,
                      type = "response")

plot(x = df_projetosp$Prob, y = df_projetosp$fatalidade_bin)

Para verificar a validade e adequação do modelo foram realizados os testes abaixo. O resultado dos testes mostrou que o modelo proposto tornou-se mais adequado principalmente ao acrescentar as variáveis “ocorrencia_tipo_categoria” e “aeronave_nivel_dano”, posssível de se observar por meio da função anova. Com a inclusão das duas variaveis o valor do desvio residual diminuiu consideravelmente em comparação ao modelo NULL.

# Teste global do modelo

lnull <- glm(fatalidade_bin ~ 1,
             family = binomial(link = "logit"),
             data = df_projetosp)  

anova(lnull, lprojeto, test = "Chisq")  

# Teste dos coeficientes

anova(lprojeto, test = "Chisq")

## Warning: glm.fit: fitted probabilities numerically 0 or 1 occurred

Foi realizada a comparação entre dois modelos. O primeiro modelo é o apresentado anteriormente, enquanto no segundo foram retiradas as variaveis que possuiam a maior correlação, conforme analisado pelo desvio residual. A comparação nos mostra uma queda significante no valor do AIC, o que significa que o modelo está perdendo menos infomações ao ser utilizado na previsão. Em outras palavras, o modelo “lprojeto” é mais acertivo que o modelo “lprojeto2”.

lprojeto2 <- glm(fatalidade_bin ~ total_recomendacoes + aeronave_tipo_operacao,
               family = binomial(link = "logit"),
               data = df_projetosp)
summary(lprojeto2)

## 
## Call:
## glm(formula = fatalidade_bin ~ total_recomendacoes + aeronave_tipo_operacao, 
##     family = binomial(link = "logit"), data = df_projetosp)
## 
## Deviance Residuals: 
##      Min        1Q    Median        3Q       Max  
## -1.45187  -0.75366  -0.55370  -0.00018   2.22631  
## 
## Coefficients:
##                                                Estimate Std. Error z value
## (Intercept)                                    -1.17856    0.54139  -2.177
## total_recomendacoes                             0.14490    0.02393   6.056
## aeronave_tipo_operacaoOPERAÇÃO AGRÍCOLA        -1.21204    0.65529  -1.850
## aeronave_tipo_operacaoOPERAÇÃO ESPECIALIZADA  -17.10286  572.33901  -0.030
## aeronave_tipo_operacaoOPERAÇÃO POLICIAL       -16.50768 1763.96888  -0.009
## aeronave_tipo_operacaoTÁXI AÉREO               -0.42602    0.77502  -0.550
## aeronave_tipo_operacaoVOO DE INSTRUÇÃO         -0.61923    0.56177  -1.102
## aeronave_tipo_operacaoVOO EXPERIMENTAL          0.38005    0.61128   0.622
## aeronave_tipo_operacaoVOO NÃO REGULAR         -16.64273 1396.88645  -0.012
## aeronave_tipo_operacaoVOO PRIVADO               0.06515    0.55122   0.118
## aeronave_tipo_operacaoVOO REGULAR             -16.79862  932.08461  -0.018
##                                              Pr(>|z|)    
## (Intercept)                                    0.0295 *  
## total_recomendacoes                          1.39e-09 ***
## aeronave_tipo_operacaoOPERAÇÃO AGRÍCOLA        0.0644 .  
## aeronave_tipo_operacaoOPERAÇÃO ESPECIALIZADA   0.9762    
## aeronave_tipo_operacaoOPERAÇÃO POLICIAL        0.9925    
## aeronave_tipo_operacaoTÁXI AÉREO               0.5825    
## aeronave_tipo_operacaoVOO DE INSTRUÇÃO         0.2703    
## aeronave_tipo_operacaoVOO EXPERIMENTAL         0.5341    
## aeronave_tipo_operacaoVOO NÃO REGULAR          0.9905    
## aeronave_tipo_operacaoVOO PRIVADO              0.9059    
## aeronave_tipo_operacaoVOO REGULAR              0.9856    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 978.44  on 887  degrees of freedom
## Residual deviance: 865.25  on 877  degrees of freedom
## AIC: 887.25
## 
## Number of Fisher Scoring iterations: 16

anova(lprojeto2, lprojeto, test = "Chisq")  ## Comparação dos modelos

AIC(lprojeto2,lprojeto)         ## Akaike Information Criterion (AIC)